Ubuntu 14.04 64bit下Caffe + Cuda6.5/Cuda7.0 安装配置教程

Posted 2020-09-20 塔上的樹

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Ubuntu 14.04 64bit下Caffe + Cuda6.5/Cuda7.0 安装配置教程相关的知识，希望对你有一定的参考价值。

http://www.embeddedlinux.org.cn/emb-linux/entry-level/201612/21-6005.html

随着深度学习快速发展的浪潮，许多有兴趣的工作者都转入了这个有着很好前景的研究中。工欲善其事，必先利其器。Caffe是一个很不错的深度学习框架，但它的安装步骤比较繁琐，将许多新手拒之门外，于是我就写了这篇博客，主要是我之前安装Caffe也是费了很多时间，由零基础慢慢学习，很羡慕那些有师兄师姐可以帮助的人。

下面开始正式介绍相关安装步骤，该教程主要包括以下几方面的内容：

第一部分：安装所需要的包
第二部分：NVIDIA 驱动和CUDA 安装
第三部分：Caffe安装和测试
第一部分：安装所需要的包

第一部分：安装所需要的包

sudo apt-get install build-essential # basic requirement
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler #required by caffe

提示：使用 sudo apt-get install libboost-all-dev ，默认安装boost1.54版本，如果想要使用1.55版本，可以使用命令：sudo apt-get install libboost1.55-all-dev（推荐）

第二部分：NVIDIA 驱动和CUDA 安装

重要提示：安装完Ubuntu系统以及CUDA之后，切莫进行系统更新，会引起不能正常进入桌面的情况，会令你很烦恼的。

安装之前请进行md5检验，确保安装包完整，检验命令为：md5sum 文件名，查看输出的md5sum是否跟你有的相同。

以cuda-repo-ubuntu1404-7-0-local_7.0-28_amd64.deb为例

目前CUDA官网已经提供离线*.deb安装的方法，本教程提供两种安装方法（*.deb和*.run）

（一）离线 *.deb 安装方法（推荐）

此方法不用切换到文本模型即可安装。

（2.1.1）首先下载对应系统的离线CUDA安装包（*.deb）链接：https://developer.nvidia.com/cuda-toolkit

（2.1.2）安装下载到的 CUDA离线包 (cuda-repo-ubuntu1404-7-0-local_7.0-28_amd64.deb)

添加软件源
sudo dpkg -i cuda-repo-<distro>_<version>_<architecture>.deb
更新软件源
sudo apt-get update
安装CUDA
sudo apt-get install cuda
重启计算机（通过boot设置独立显卡支持）
sudo reboot

（2.1.3）修改环境变量

1）在 /etc/profile 文件中添加以下内容：

export PATH=/usr/local/cuda-7.0/bin:$PATH

命令：

sudo vim /etc/profile

2）使环境变量生效

命令：

source /etc/profile

（2.1.4）添加lib库路径

1）在 /etc/ld.so.conf.d/ 文件夹下添加 cuda.conf 文件，内容如下：

/usr/local/cuda-7.0/lib64

2）使库路径立即生效

sudo ldconfig [-v，可选]

（2.1.5）安装CUDA Samples

命令：

sudo sh cuda-samples-linux-6.5.14-18745345.run

一直aceept就行，建议使用默认路径。

编译CUDA Samples

命令：

cd /usr/local/cuda-6.5/samples
sudo make

编译完成后，进入路径：/samples/bin/x86_64/linux/release

运行命令：

./deviceQuery

输出：

./deviceQuery Starting...
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "Tesla K40c"
CUDA Driver Version / Runtime Version 6.5 / 6.5
CUDA Capability Major/Minor version number: 3.5
Total amount of global memory: 11520 MBytes (12079136768 bytes)
(15) Multiprocessors, (192) CUDA Cores/MP: 2880 CUDA Cores
GPU Clock rate: 745 MHz (0.75 GHz)
Memory Clock rate: 3004 Mhz
Memory Bus Width: 384-bit
L2 Cache Size: 1572864 bytes
Maximum Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers
Maximum Layered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers
Total amount of constant memory: 65536 bytes
Total amount of shared memory per block: 49152 bytes
Total number of registers available per block: 65536
Warp size: 32
Maximum number of threads per multiprocessor: 2048
Maximum number of threads per block: 1024
Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535)
Maximum memory pitch: 2147483647 bytes
Texture alignment: 512 bytes
Concurrent copy and kernel execution: Yes with 2 copy engine(s)
Run time limit on kernels: No
Integrated GPU sharing Host Memory: No
Support host page-locked memory mapping: Yes
Alignment requirement for Surfaces: Yes
Device has ECC support: Enabled
Device supports Unified Addressing (UVA): Yes
Device PCI Bus ID / PCI location ID: 1 / 0
Compute Mode:
< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 6.5, CUDA Runtime Version = 6.5, NumDevs = 1, Device0 = Tesla K40c
Result = PASS

如果输出上述信息，恭喜你，NVIDIA和CUDA安装成功，则可以继续进行下一步安装Caffe环境。

（2.1.6）验证NVIDIA 驱动和CUDA是否安装成功

查看安装NVIDIA驱动版本命令：

cat /proc/driver/nvidia/version

输出

NVRM version: NVIDIA UNIX x86_64 Kernel Module 340.96 Sun Nov 8 22:33:28 PST 2015
GCC version: gcc version 4.7.3 (Ubuntu/Linaro 4.7.3-12ubuntu1)

从输出信息可以看出NVIDIA驱动版本为 340.96

安装完成后，就可以重新启动桌面服务了。

命令：

sudo start lightdm

（二）离线 *.run 安装方法

使用该方法安装，可能需要尝试多次安装

（2.2.1）验证显卡是否支持CUDA

命令：

lspci | grep -i nvidia

查看该计算机显卡是否存在于链接 https://developer.nvidia.com/cuda-gpus 中。

（2.2.2）验证系统，确定为x86架构，64bit系统

命令：

uname -m && cat /etc/*release

输出：

x86_64
DISTRIB_ID=Ubuntu
DISTRIB_RELEASE=14.04
DISTRIB_CODENAME=trusty
DISTRIB_DESCRIPTION="Ubuntu 14.04.2 LTS"
NAME="Ubuntu"
VERSION="14.04.2 LTS, Trusty Tahr"
ID=ubuntu
ID_LIKE=debian
PRETTY_NAME="Ubuntu 14.04.2 LTS"
VERSION_ID="14.04"
HOME_URL="http://www.ubuntu.com/"
SUPPORT_URL="http://help.ubuntu.com/"
BUG_REPORT_URL="http://bugs.launchpad.net/ubuntu/"

（2.2.3）验证系统中是否已经安装gcc，因为需要用gcc来编译CUDA和Caffe

命令：

gcc --version

（2.2.4）NVIDIA和CUDA安装（*.run）

安装之前请进行md5sum检验，确保安装包完整，检验命令为：md5sum 文件名，查看输出的md5sum是否跟你有的相同。

该方法以 CUDA6.5 为例。

（2.2.4.1）首先下载对应系统的离线CUDA安装包（*.run）链接：https://developer.nvidia.com/cuda-toolkit

（2.2.4.2）关闭桌面服务

进入Ubuntu，按 Ctrl+Alt+F1 进入tty，登录tty后输入如下命令：sudo service lightdm stop。

此命令会关闭lightdm服务，如果你使用的是gdm或者其他的桌面服务，请在安装NVIDIA显卡驱动前关闭它。

（2.2.4.3）关闭 Nouveau 开源驱动服务

Nouveau是一个开源的显卡驱动，Ubuntu 14.04 默认安装了，但是它会影响nVidia驱动的安装，启动时需要将这个驱动加入黑名单中。

1)：修改nvidia-graphics-drivers.conf文件

sudo vim /etc/modprobe.d/nvidia-graphics-drivers.conf

写入：

blacklist nouveau

保存并退出:

检查：

cat nvidia-graphics-drivers.conf

2）：修改grub文件

sudo vim /etc/default/grub

末尾写入：

rdblacklist=nouveau nouveau.modeset=0

保存并退出:

检查：

cat /etc/default/grub

（2.2.4.4）安装下载到的 CUDA离线包 (*.run)

1）：安装 *.run文件，可以直接使用命令 sudo sh cuda_6.5.14_linux_64.run 一直aceept就行。

或者

由于CUDA安装包中NVIDIA驱动的版本并不保证是最新的，也不一定适合你的计算机的显卡，所以建议使用下面这种方式分开安装，如果NVIDIA驱动版本和CUDA版本不对应的话，会导致CUDA安装失败，或者进入不了桌面服务。可以去NVIDIA官网下载对应你的显卡的驱动的最新版，至少要高于CUDA安装包中自带的NVIDIA版本。

通过下列命令

cuda_6.5.14_linux_64.run --extract=extract_path

将下载得到的 *.run 文件解压成三个文件, 分别为

CUDA安装包： cuda-linux64-rel-6.5.14-18749181.run

NVIDIA安装包： NVIDIA-Linux-x86_64-340.65.run

CUDA Samples安装包：cuda-samples-linux-6.5.14-18745345.run

分别运行各个文件，运行前，需要将文件权限修改为可执行权限

命令：

chmod +x *.run

2）：安装CUDA

命令：

sudo sh cuda-linux64-rel-6.5.14-18749181.run

一直aceept就行，建议使用默认路径。

安装NVIDIA（如果没有NVIDIA显卡，可跳过该步骤，仍可使用Caffe的CPU模式）

命令：（不建议使用）

sudo sh NVIDIA-Linux-x86_64-340.65.run

一直aceept就行，建议使用默认路径。

3）：建议方法(仅限于使用CUDA6.5，如果你需要使用更新的CUDA版本，请去NVIDIA官网下载对应你的显卡的驱动的最新版，至少要高于CUDA安装包中自带的NVIDIA版本，然后单独安装显卡驱动。链接：http://www.nvidia.cn/Download/index.aspx?lang=cn)

1：添加驱动源

sudo add-apt-repository ppa:xorg-edgers/ppa
sudo apt-get update

2：安装340版驱动 (CUDA 6.5.14目前最高仅支持340版驱动， 343， 346版驱动暂不支持)

sudo apt-get install nvidia-340

3：安装完成后, 继续安装下列包 (否则在运行sample时会报错)

sudo apt-get install nvidia-340-uvm

4：安装完成后，最好重启计算机，让NVIDIA显卡工作

（2.2.4.5）安装CUDNN（可选）

1）：下载 cudnn-6.5-linux-x64-v2 点击下载，然后执行以下命令安装

tar -zxvf cudnn-6.5-linux-x64-v2.tgz
cd cudnn-6.5-linux-x64-v2
sudo cp lib* /usr/local/cuda-6.5/lib64/
sudo cp cudnn.h /usr/local/cuda-6.5/include/

2）：更新软连接

cd /usr/local/cuda-6.5/lib64/
sudo rm -rf libcudnn.so libcudnn.so.6.5
sudo ln -s libcudnn.so.6.5.48 libcudnn.so.6.5
sudo ln -s libcudnn.so.6.5 libcudnn.so

（2.2.4.6）修改环境变量

1）：在 /etc/profile 文件中添加以下内容：

export PATH=/usr/local/cuda-6.5/bin:$PATH

命令：

sudo vim /etc/profile

2）：使环境变量生效

命令：

source /etc/profile

（2.2.4.7）添加lib库路径

1）：在 /etc/ld.so.conf.d/ 文件夹下添加 cuda.conf 文件，内容如下：

/usr/local/cuda-6.5/lib64

2）：使库路径立即生效

sudo ldconfig [-v，可选]

（2.2.4.8）安装CUDA Samples

命令：

sudo sh cuda-samples-linux-6.5.14-18745345.run

一直aceept就行，建议使用默认路径。

编译CUDA Samples

命令：

cd /usr/local/cuda-6.5/samples
sudo make

编译完成后，进入路径：/samples/bin/x86_64/linux/release

运行命令：

./deviceQuery

输出：

./deviceQuery Starting...
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "Tesla K40c"
CUDA Driver Version / Runtime Version 6.5 / 6.5
CUDA Capability Major/Minor version number: 3.5
Total amount of global memory: 11520 MBytes (12079136768 bytes)
(15) Multiprocessors, (192) CUDA Cores/MP: 2880 CUDA Cores
GPU Clock rate: 745 MHz (0.75 GHz)
Memory Clock rate: 3004 Mhz
Memory Bus Width: 384-bit
L2 Cache Size: 1572864 bytes
Maximum Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers
Maximum Layered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers
Total amount of constant memory: 65536 bytes
Total amount of shared memory per block: 49152 bytes
Total number of registers available per block: 65536
Warp size: 32
Maximum number of threads per multiprocessor: 2048
Maximum number of threads per block: 1024
Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535)
Maximum memory pitch: 2147483647 bytes
Texture alignment: 512 bytes
Concurrent copy and kernel execution: Yes with 2 copy engine(s)
Run time limit on kernels: No
Integrated GPU sharing Host Memory: No
Support host page-locked memory mapping: Yes
Alignment requirement for Surfaces: Yes
Device has ECC support: Enabled
Device supports Unified Addressing (UVA): Yes
Device PCI Bus ID / PCI location ID: 1 / 0
Compute Mode:
< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 6.5, CUDA Runtime Version = 6.5, NumDevs = 1, Device0 = Tesla K40c
Result = PASS